論文の概要: Parameterized Image Quality Score Distribution Prediction
- arxiv url: http://arxiv.org/abs/2203.00926v1
- Date: Wed, 2 Mar 2022 08:13:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-03 15:28:30.422416
- Title: Parameterized Image Quality Score Distribution Prediction
- Title(参考訳): パラメータ化画像品質スコア分布予測
- Authors: Yixuan Gao, Xiongkuo Min, Wenhan Zhu, Xiao-Ping Zhang and Guangtao
Zhai
- Abstract要約: 平均世論スコア(MOS)ではなくパラメータ分布を用いた画像品質について述べる。
画像品質スコア分布(IQSD)の予測手法も提案する。
- 参考スコア(独自算出の注目度): 40.397816495489295
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently, image quality has been generally describedby a mean opinion score
(MOS). However, we observe that thequality scores of an image given by a group
of subjects are verysubjective and diverse. Thus it is not enough to use a MOS
todescribe the image quality. In this paper, we propose to describeimage
quality using a parameterized distribution rather thana MOS, and an objective
method is also proposed to predictthe image quality score distribution (IQSD).
At first, the LIVEdatabase is re-recorded. Specifically, we have invited a
largegroup of subjects to evaluate the quality of all images in theLIVE
database, and each image is evaluated by a large numberof subjects (187 valid
subjects), whose scores can form a reliableIQSD. By analyzing the obtained
subjective quality scores, wefind that the IQSD can be well modeled by an alpha
stable model,and it can reflect much more information than a single MOS, suchas
the skewness of opinion score, the subject diversity and themaximum probability
score for an image. Therefore, we proposeto model the IQSD using the alpha
stable model. Moreover, wepropose a framework and an algorithm to predict the
alphastable model based IQSD, where quality features are extractedfrom each
image based on structural information and statisticalinformation, and support
vector regressors are trained to predictthe alpha stable model parameters.
Experimental results verifythe feasibility of using alpha stable model to
describe the IQSD,and prove the effectiveness of objective alpha stable model
basedIQSD prediction method.
- Abstract(参考訳): 近年,画像品質は平均評価スコア(mos)によって記述されている。
しかし,被験者群が与える画像の品質スコアは,非常に主観的かつ多様である。
したがって、mosを画質に使用するだけでは不十分である。
本稿では,MOSではなくパラメータ化分布を用いた画像品質記述法を提案し,画像品質スコア分布(IQSD)の予測にも目的の手法を提案する。
最初は、livedatabaseが再記録される。
具体的には,多数の被験者を招き,liveデータベースにおける全画像の品質評価を行い,各画像は信頼性の高いiqsdを形成することができる多数の被験者(187名)によって評価される。
得られた主観的品質スコアを解析することにより、iqsdはアルファ安定モデルによってよくモデル化でき、画像に対する評価スコアの歪度、主題多様性、最大確率スコアなど、単一のmosよりも多くの情報を反映することができる。
そこで我々はα安定モデルを用いてIQSDをモデル化する。
さらに、構造情報と統計情報に基づいて、各画像から品質特徴を抽出し、アルファ安定モデルパラメータを予測するための支援ベクトル回帰器をトレーニングする、α安定モデルに基づくIQSD予測フレームワークとアルゴリズムを提案する。
実験の結果, アルファ安定モデルを用いたiqsd記述の有効性を検証し, 客観的アルファ安定モデルに基づくiqsd予測法の有効性を実証した。
関連論文リスト
- Comparison of No-Reference Image Quality Models via MAP Estimation in
Diffusion Latents [99.19391983670569]
NR-IQAモデルは、画像強調のための最大後部推定(MAP)フレームワークにプラグイン可能であることを示す。
異なるNR-IQAモデルは異なる拡張イメージを誘導し、最終的には精神物理学的なテストを受ける。
これにより, NR-IQAモデルの比較を行う新たな計算手法が提案される。
論文 参考訳(メタデータ) (2024-03-11T03:35:41Z) - AGIQA-3K: An Open Database for AI-Generated Image Quality Assessment [62.8834581626703]
我々はこれまでに最も包括的な主観的品質データベース AGIQA-3K を構築している。
このデータベース上でベンチマーク実験を行い、現在の画像品質評価(IQA)モデルと人間の知覚との整合性を評価する。
我々は、AGIQA-3Kの微粒な主観的スコアが、その後のAGI品質モデルにヒトの主観的知覚機構に適合するよう促すと信じている。
論文 参考訳(メタデータ) (2023-06-07T18:28:21Z) - An Image Quality Assessment Dataset for Portraits [0.9786690381850354]
本稿では,PIQ23について紹介する。PIQ23は,100台のスマートフォンが取得した50のシナリオの5116枚の画像からなる,ポートレート固有のIQAデータセットである。
このデータセットには、さまざまな性別や民族の個人が含まれており、公開研究に使用される写真について、明確かつインフォームドな同意を与えている。
これらのアノテーションの詳細な統計解析により、PIQ23上での一貫性を評価することができる。
論文 参考訳(メタデータ) (2023-04-12T11:30:06Z) - Blind Multimodal Quality Assessment: A Brief Survey and A Case Study of
Low-light Images [73.27643795557778]
ブラインド画像品質評価(BIQA)は、視覚信号の客観的スコアを自動的に正確に予測することを目的としている。
この分野での最近の発展は、ヒトの主観的評価パターンと矛盾しない一助的解によって支配されている。
主観的評価から客観的スコアへの低照度画像の一意なブラインドマルチモーダル品質評価(BMQA)を提案する。
論文 参考訳(メタデータ) (2023-03-18T09:04:55Z) - Going the Extra Mile in Face Image Quality Assessment: A Novel Database
and Model [42.05084438912876]
現在までに開発された最大のアノテートIQAデータベースについて紹介する。
本稿では,顔画像の品質を正確に予測する新しいディープラーニングモデルを提案する。
論文 参考訳(メタデータ) (2022-07-11T14:28:18Z) - Conformer and Blind Noisy Students for Improved Image Quality Assessment [80.57006406834466]
知覚品質評価(IQA)のための学習ベースアプローチは、通常、知覚品質を正確に測定するために歪んだ画像と参照画像の両方を必要とする。
本研究では,変換器を用いた全参照IQAモデルの性能について検討する。
また,全教師モデルから盲人学生モデルへの半教師付き知識蒸留に基づくIQAの手法を提案する。
論文 参考訳(メタデータ) (2022-04-27T10:21:08Z) - Attentions Help CNNs See Better: Attention-based Hybrid Image Quality
Assessment Network [20.835800149919145]
画像品質評価(IQA)アルゴリズムは、画像品質に対する人間の認識を定量化することを目的としている。
GAN(Generative Adversarial Network)によって生成された歪み画像を、一見現実的なテクスチャで評価する際の性能低下がある。
本稿では,AHIQ(Hybrid Image Quality Assessment Network)を提案する。
論文 参考訳(メタデータ) (2022-04-22T03:59:18Z) - Can No-reference features help in Full-reference image quality
estimation? [20.491565297561912]
完全参照IQAタスクにおけるノン参照機能の利用について検討する。
我々のモデルは、多くの最先端アルゴリズムよりも高いSRCCとKRCCのスコアを達成する。
論文 参考訳(メタデータ) (2022-03-02T03:39:28Z) - Uncertainty-Aware Blind Image Quality Assessment in the Laboratory and
Wild [98.48284827503409]
我々は,テキスト化BIQAモデルを開発し,それを合成的および現実的歪みの両方で訓練するアプローチを提案する。
我々は、多数の画像ペアに対してBIQAのためのディープニューラルネットワークを最適化するために、忠実度損失を用いる。
6つのIQAデータベースの実験は、実験室と野生動物における画像品質を盲目的に評価する学習手法の可能性を示唆している。
論文 参考訳(メタデータ) (2020-05-28T13:35:23Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。